Zacznij z agentem inżynierii danych Fabric (Project Osmos) (podgląd)

W tym szybkim starcie instalujesz umiejętność Fabric data engineering agent (Project Osmos) dla GitHub Copilot CLI, Claude Code lub Codex, tworzysz zadanie dla Fabric Lakehouse i otwierasz je w Fabric.

W ramach tego szybkiego przewodnika wykonasz następujące czynności:

• Sprawdź wymagania wstępne usługi Fabric i środowiska lokalnego
• Zainstaluj wtyczkę Skills for Fabric, która obejmuje umiejętność agenta inżynierii danych (Project Osmos)
• Stwórz zadanie implementujące architekturę medalionową dla handlu detalicznego
• Sprawdź ustawienia działania
• Monitoruj zadanie w swoim domku nad jeziorem Fabric

Wymagania wstępne

Potwierdź te wymagania przed rozpoczęciem:

• Przestrzeń robocza Fabric przypisana do uprawnionej zdolności Fabric
• Domek nad jeziorem w tym miejscu pracy
• Uprawnienia współtwórcy lub wyższej instancji na przestrzeni roboczej
• Włącz następujące ustawienia tenant dla swojego konta i jego pojemności:
  • Użytkownicy mogą używać Copilot i innych funkcji obsługiwanych przez program Azure OpenAI
  • Użytkownicy mogą korzystać z Copilot, AI Agents i innych doświadczeń AI opartych na OpenAI jako podprocesora Microsoft (zdecydowanie zalecane dla najlepszej wydajności, ale nie jest to wymagane)
• Poniższe ustawienia dzierżawy mają zastosowanie tylko wtedy, gdy zasób przepustowości znajduje się w regionie, w którym usługa OpenAI jest niedostępna:
  • Dane przesyłane do OpenAI jako podprocesora Microsoft mogą być przetwarzane poza regionem geograficznym Twojej wydajności, granicą zgodności lub krajową instancją chmury
  • Dane wysyłane do Azure OpenAI mogą być przechowywane poza regionalną lokalizacją geograficzną waszej pojemności, granicą zgodności lub w instancji chmury narodowej
• Z ustawień Pojemności zaleca się włączenie transformacji danych AI , ale nie jest to konieczne
• Azure CLI
• Wspierany lokalny agent:
  • GitHub Copilot CLI zainstalowany i uwierzytelniony
  • Kod Claude'a
  • Codex i Git

Aby uzyskać wskazówki dotyczące konfiguracji, zobacz Włączenie i konfigurację Copilot w Microsoft Fabric.

Zainstaluj funkcję agenta inżynierii danych (Project Osmos)

Umiejętność agenta inżynierii danych (Project Osmos) jest uwzględniona w kolekcji Skills for Fabric.

1. Zaloguj się do Azure z tożsamością, która umożliwia dostęp do docelowej przestrzeni roboczej i Lakehouse:

   az login
   

   Jeśli masz dostęp do wielu dzierżawców Microsoft Entra, zaloguj się do dzierżawcy zawierającego twoją przestrzeń roboczą Fabric.

2. Następnie użyj poleceń lokalnego agenta, aby dodać marketplace Skills for Fabric i zainstalować kolekcję Fabric.

   • GitHub Copilot CLI
   • Kod Claude'a
   • Kodeks

   Rozpocznij GitHub Copilot CLI:

   copilot
   

   Wykonaj następujące polecenia wewnątrz GitHub Copilot CLI:

   /plugin marketplace add microsoft/skills-for-fabric
   /plugin install fabric-skills@fabric-collection
   

1. Restartuj GitHub Copilot CLI, żeby nowe umiejętności się ładowały.

   /quit
   

2. Zweryfikuj instalację. Uruchom ponownie GitHub Copilot CLI, a następnie wykonaj:

   /skills
   

Potwierdź, że Project Osmos, pokazany jako project-osmos, jest dostępny.

Użyj agenta inżynierii danych (Project Osmos)

Opisz kompletny wynik inżynierii danych, który chcesz, aby agent inżynierii danych (Project Osmos) dostarczył. Uwzględnij przestrzeń roboczą, domek nad jeziorem, dane źródłowe, transformacje, oczekiwane wyniki oraz wymagania walidacyjne:

Opisz kompletne, kompleksowe zadanie inżynierii danych. Agent inżynierii danych (Project Osmos) otrzymuje je jako jeden projekt.

Załącz:

• Źródła: Tabele, foldery, pliki, zeszyty lub zasoby OneLake
• Transformacje: Czyszczenie, połączenia, filtry, obliczenia lub zmiany schematu
• Wyjścia: Tabele, zeszyty, pliki lub streszczenia
• Walidacja: Liczba wierszy, sprawdzanie zerowe, unikalność, uzgadnianie lub reguły biznesowe

Źródła i wyjścia nie ograniczają się do przestrzeni roboczej, w której stworzyłeś zadanie. Jeśli masz uprawnienia do dostępu do zasobu, zadanie może uzyskać dostęp do zasobu w Twoim imieniu.

Przykład:

Use Project Osmos in the Fabric workspace Sales Analytics and the lakehouse
SalesLakehouse.

Load the Orders and Customers tables, remove orders without a customer ID,
join the tables on customer ID, and calculate monthly revenue by customer
segment. Save the result as a Delta table named monthly_segment_revenue.
Validate row counts, null customer IDs, and negative revenue values.

Twój lokalny agent rozwiązuje miejsce pracy i domek nad jeziorem, zbiera wymagane opcje bezpieczeństwa i wyjścia oraz tworzy jedno zdalne zadanie Project Osmos. Zapewnia link do zadań Fabric do monitorowania postępów.

Nie musisz szukać identyfikatorów obszaru roboczego ani lakehouse’ów ani dzielić pracy na prostsze kroki. Podaj ich nazwy lub podaj adres URL Fabric Lakehouse i przesłaj cały wynik jako jedno zadanie. Project Osmos zajmuje się planowaniem, sekwencjonowaniem i walidacją.

Przejrzyj ustawienia zadań

Przed rozpoczęciem uruchomienia agent inżynierii danych (Project Osmos) klasyfikuje zadanie i rekomenduje ustawienia.

Możesz zmienić dowolne z zalecanych ustawień.

Monitoruj zadanie

Po zaakceptowaniu ustawień agent Fabric Data Engineering (Project Osmos) uruchamia zadanie ze specjalistycznymi agentami w SparkCore, zwraca ID zadania i otwiera stronę Fabric Lakehouse, która zawiera:

• Szczegóły z kwestionariusza wstępnego
• Specyfikacja
• Bieżący stan
• Działanie agenta

Ponieważ zadanie uruchamia się w Fabric na SparkCore zamiast na lokalnym komputerze, trwa dalej, gdy komputer jest wyłączony. Aby monitorować postęp, wybierz swój lakehouse w usłudze Fabric, a następnie wybierz zadanie w eksploratorze lakehouse. Możesz też poprosić lokalnego agenta o status zadania.

Wskazówki dotyczące użycia

• Używaj Project Osmos przez lokalnego agenta, takiego jak GitHub Copilot CLI, Claude Code lub Codex. Bezpośrednia interakcja z Project Osmos przez Copilot w portalu Fabric nie jest obecnie obsługiwana.
• Określ zamierzoną przestrzeń roboczą i lakehouse po nazwie lub podaj adres URL Fabric lakehouse. Nie musisz samodzielnie szukać identyfikatorów.
• Korzystaj z Project Osmos do kompleksowej inżynierii danych, która obejmuje domy nad jeziorem, OneLake, Spark, notatniki i tabele.
• Poproś lokalnego agenta o sprawdzenie statusu zdalnego zadania, wysłanie dalszych instrukcji, anulowanie zadania lub jego usunięcie.
• Aby kontynuować pracę z istniejącym zadaniem, podaj jego identyfikator zadania lub link do zadania Fabric.
• Przejrzyj proponowane rozwiązania wykonawcze i bezpieczne, zanim zezwolisz na zmiany ważnych lub produkcyjnych danych.

Stwórz swoje pierwsze zadanie

Ten przykład wymaga tylko pustego domku nad jeziorem. Project Osmos tworzy dane próbki i wszystkie wymagane artefakty, więc możesz używać produktu bez wcześniejszego przygotowywania domku nad jeziorem.

Użyj Projektu Osmos, aby utworzyć niewielką architekturę medalionową dla handlu detalicznego. Najpierw poproś swojego lokalnego agenta o skorzystanie z Project Osmos:

Create a Project Osmos task

Po zidentyfikowaniu swojego domku nad jeziorem według nazwy lub adresu URL, zostajesz poproszony o określenie rezultatu projektu. Wprowadź następujące informacje:

Use Project Osmos to set up a simple retail medallion architecture in this
empty lakehouse. Create small sample CSV files for customers, products, and
sales under Files/landing. Build bronze tables that preserve the source data,
silver tables that clean and standardize it, and gold tables named
gold_daily_sales and gold_customer_sales.
Create three notebooks named 01_load_bronze, 02_transform_silver, and
03_build_gold that move the data through the layers. Run the notebooks in
order, and validate row counts, key uniqueness, referential integrity, and
revenue totals at each layer.

Prześlij cały prompt jako jedno zadanie. Project Osmos planuje i sekwencjonuje pracę, tworzy przykładowe dane, tabele i notatniki, uruchamia notatniki w SparkCore oraz sprawdza wyniki.

Po zakończeniu zadania przejrzyj te artefakty:

• Brązowe tabele klientów, produktów i sprzedaży, które zachowują przykładowe dane źródłowe
• Tabele srebrne ze standaryzowanymi typami danych, poprawnymi kluczami i czystymi rekordami
• Tabele Gold z codziennymi podsumowaniami sprzedaży oraz podsumowaniami sprzedaży według klienta
• Trzy notatniki, które dokumentują i realizują przemieszczanie między warstwami
• Wyniki walidacji dotyczące liczby wierszy, kluczy, relacji i sum przychodów

Dodatkowe przykłady wyników projektów dla złożonych przypadków użycia

Project Osmos został zaprojektowany z myślą o kompleksowej realizacji zadań z zakresu inżynierii danych, w tym zadań wymagających znajomości aplikacji korporacyjnych, analizy środowiska lakehouse, eksperymentów wdrożeniowych oraz walidacji. Żądanie wysłane do GitHub Copilot bez Project Osmos może wygenerować wiarygodny notatnik lub konspekt kodu, ale nie wykorzystuje workflow Project Osmos do inspekcji działającego jeziora, porównywania opcji implementacji, uruchamiania kodu w Fabric SparkCore i dalszego dopracowywania rozwiązania na podstawie rzeczywistych wyników.

Stwórz model cyklu życia klienta w Dynamics 365

Ten zwięzły rezultat projektu prosi Project Osmos o odkrycie dostępnych danych aplikacyjnych:

Use Project Osmos to create a trusted customer lifecycle model from the Microsoft Dynamics 365 data in this lakehouse.

Jak Project Osmos mógłby do tego podejść: Project Osmos bada domek nad jeziorem, aby określić, które aplikacje Dynamics 365 i tabele Dataverse są dostępne. Identyfikuje struktury takie jak konta, kontakty, leady, możliwości, działania, sprawy, zamówienia i faktury; mapuje ich relacje i wartości statusu; oraz ocenia, jak przedstawić ścieżkę klienta od przejęcia przez sprzedaż i obsługę. Uruchamia kod SparkCore w celu weryfikacji pokrycia powiązań, zduplikowanych klientów, osieroconych aktywności, łącznych wartości pipeline, uzgadniania zamówień i faktur oraz obliczeń etapów cyklu życia.

Dlaczego Project Osmos jest lepiej dopasowany: Bez Project Osmos, GitHub Copilot polega na tobie, aby zidentyfikować odpowiednie tabele Dynamics 365 i Dataverse, wyjaśnić ich powiązania i wartości zestawu opcji oraz wykonać każdą wersję. Project Osmos może rozpocząć się od wyniku, zbadać domek nad jeziorem i dopracować wdrożenie na podstawie zmierzonych wyników.

Modeluj dane SAP od zamówienia do gotówki

Ten zwięzły rezultat projektu wymaga od Project Osmos określenia, jak dane SAP są reprezentowane w Twoim domku nad jeziorem oraz zbudowania użytecznego modelu od zamówienia do gotówki:

Use Project Osmos to build an order-to-cash model from the SAP data in this lakehouse.

Jak Project Osmos może do tego podejść: Project Osmos bada jezioro, aby zidentyfikować dostępne dane dotyczące zamówień, dostaw, rozliczeń, klientów i przepływu dokumentów SAP. Szuka struktur takich jak VBAK/VBAP, LIKP/LIPS, VBRK/VBRP, KNA1 i VBFA, lub równoważnych wyodrębnionych widoków. Analizuje schematy i wartości próbek, określa, czy ekstrakcja przypomina struktury SAP S/4HANA czy SAP ECC, oraz testuje alternatywne łączenia i logikę przepływu dokumentów. Następnie tworzy starannie wyselekcjonowane tabele i notatniki oraz wykonuje kontrole SparkCore pod kątem duplikatów kluczy biznesowych, brakujących linków dokumentów, niezgodności ilości oraz uzgadniania między zamówieniem a fakturą.

Dlaczego Project Osmos jest lepiej dopasowany: GitHub Copilot używany bez Project Osmos wymagałby znalezienia odpowiednich tabel, wyjaśnienia relacji SAP, podania schematów, uruchomienia wygenerowanego kodu i zwracania błędów lub wyników dla każdej wersji. Project Osmos wykonuje to wykrywanie i wykonanie jako część jednego trwałego zadania Fabric, które działa autonomicznie na SparkCore.

Uzgodnij finanse NetSuite

Ten szczegółowy rezultat projektu zawiera zasady biznesowe, pozostawiając szczegóły wdrożenia Project Osmos:

Use Project Osmos to create a financial reconciliation model from the NetSuite
data already loaded in this lakehouse. Preserve subsidiary, accounting period,
transaction, transaction line, account, accounting book, department, class,
location, transaction currency, and base currency. Build a monthly trial
balance with debit, credit, and net balances by subsidiary and account. Account
for intercompany transactions, elimination subsidiaries, and exchange rates.
Identify unbalanced entries, unmapped accounts, and periods that don't reconcile
to the source. Save the transformation and validation notebooks, and don't
modify the source tables.

Jak Project Osmos mógłby do tego podejść: Project Osmos analizuje, jak transakcje NetSuite, linie transakcyjne, konta, spółki zależne, okresy rozliczeniowe, waluty i księgi księgowe są reprezentowane w domku nad jeziorem. Ocenia opcje publikowania, konsolidacji, eliminacji oraz konwersji walut oraz wykorzystuje etapowe wyniki do porównania wyników. Uruchamia notatniki w SparkCore i weryfikuje bilans dziennika, kompletność dokumentów, pokrycie mapowania oraz sumy od źródła do wyjścia przed przygotowaniem końcowych tabel.

Dlaczego Project Osmos jest lepiej dopasowany: Samo generowanie kodu może kodować łączenia i obliczenia, ale nie jest w stanie wiarygodnie wywnioskować, jak konkretna ekstrakcja NetSuite reprezentuje wpisy, księgi księgowe, eliminacje i kursy walutowe, ani udowodnić, że wynik jest zgodny bez iteracyjnej pętli wykonywania i walidacji.

Tworzenie lejka sprzedażowego Salesforce i metryk prognoz

Use Project Osmos to build a trusted sales pipeline and forecast model from the
Salesforce data in this lakehouse. Preserve account, opportunity, owner,
product, stage, amount, probability, close date, forecast category, creation
date, and stage-history details. Produce current pipeline, stage conversion,
sales-cycle duration, pipeline coverage, forecast accuracy, and slipped-deal
metrics by region, segment, product, and owner. Handle deleted records, currency
conversion, changing opportunity ownership, and historical stage snapshots.
Save the notebooks, and validate the metrics against available Salesforce
totals and prior-period snapshots.

Jak Project Osmos mógłby do tego podejść: Project Osmos mapuje dostępne obiekty Salesforce i wyodrębnia dane Account, Opportunity, OpportunityHistory, OpportunityLineItem, Product2, User oraz dane prognoz. Porównuje podejścia oparte na aktualnym stanie, historii oraz okresowych migawkach i sprawdza, jak proces ekstrakcji odzwierciedla aktualność danych, usunięcia, zmiany właściciela i przejścia między etapami. Uruchamia implementacje kandydackie w SparkCore i porównuje łączne wartości pipeline, wskaźniki konwersji, wyniki prognoz oraz historyczne migawki.

Dlaczego Project Osmos jest lepiej dopasowany: Ten efekt wymaga czegoś więcej niż tylko poprawności składniowej Spark. Project Osmos łączy rozumowanie domenowe Salesforce z inspekcją danych na żywo, powtarzanym wykonywaniem i uzgadnianiem, aby znaleźć implementację współpracującą z rzeczywistą strategią ekstrakcji i historii klienta.

Modernizacja istniejącego rurociągu do domów nad jeziorem

Use Project Osmos to assess the existing sales ingestion and transformation
notebooks in this lakehouse. Replace full reloads with an idempotent incremental
design, preserve late-arriving updates, prevent duplicate business keys, add
quarantine handling for invalid records, and create validation tables that
compare each run with the source. Keep existing downstream table names and
schemas unless a change is required. Test the new design against representative
data, compare it with the current implementation, and document the migration
and rollback steps.

Jak Project Osmos mógłby do tego podejść: Project Osmos analizuje obecne notatniki, tabele, schematy i wzorce danych; porównuje opcje znaków wodnych, łączenia i śledzenia zmian; oraz testuje zachowanie niepowodzenia i ponownego uruchomienia. Uruchamia obie implementacje w SparkCore względem etapowych celów i porównuje liczbę wierszy, duplikatów kluczy, obsługę późnych aktualizacji, kompatybilność schematów oraz sumy wyników.

Dlaczego Project Osmos jest lepiej dopasowany: Samotni agenci kodujący mogą sugerować inkrementalny wzór, ale musisz dostarczyć kontekst implementacyjny i wykonać każdy test. Project Osmos ocenia istniejący domek nad jeziorem i weryfikuje konkurencyjne projekty, zanim zarekomenduje i wdroży bezpieczniejsze podejście.

Aktualizacja umiejętności dla Fabric

W GitHub Copilot CLI lub Claude Code zaktualizuj zainstalowaną kolekcję Fabric:

/plugin update fabric-skills@fabric-collection

Dla Codexu uruchom codex plugin marketplace upgrade fabric-collection, a następnie uruchom codex plugin add fabric-skills@fabric-collection.

Bieżące ograniczenia

• Agent inżynierii danych (Project Osmos) nie jest obecnie dostępny dla przestrzeni roboczych z włączoną ochroną dostępu wychodzącego.

Treści powiązane

• Przegląd agenta inżynierii danych Fabric (Project Osmos)
• Najlepsze praktyki dla agenta inżynierii danych Fabric (Project Osmos)
• Repozytorium agenta inżynierii danych Fabric (Project Osmos)
• Zaloguj się przy użyciu Azure CLI